算法论文7

AI图片生成：美学对齐或削弱艺术表达

机器之心2026-06-25

AI 摘要

UBC和Weathon Software研究团队：AI图片生成模型追求美学对齐，产出同质化‘糖水片’，限制艺术多元表达，还存开发者预设标准、偏见等六个问题，多项测试也验证模型的固执。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

AI助力文旅微缩景观创作

作者玩 Gpt - 4o 图片生成时，用食品做键盘图，又结合食物与城市做微缩场景海报，还用 Veo3 做微缩景观生长动画，给出各工具提示词，鼓励大家尝试。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。